Model prawdopodobieństwa głębokiego spowolnienia w Polsce

wpis w: Bez kategorii | 0

Aktywność gospodarcza w polskiej gospodarce skurczyła się zauważalnie w ciągu ostatnich kilku miesięcy, choć na tle tego co prezentują Niemcy w dalszym ciągu możemy mówić o pewnej odporności. W praktyce kolejne spowolnienie wzrostu gospodarczego nie jest oczywiście czymś zaskakującym, a stanowi normalną fazę w cyklu koniunkturalnym. Niemniej jednak od zawsze oszacowanie przybliżonego czasu nadejścia recesji było zadaniem trudnym, żeby nie powiedzieć wręcz niemożliwym. Przykładem jest fakt, że właściwie żaden bank centralny nie prognozuje spadku dynamiki PKB poniżej 0%, tak jak i większość z nich zakłada długoterminowy trend w dynamice wzrostu cen w pobliżu celu inflacyjnego.

Wyższa inflacja, niższy wzrost i status quo w RPP

O ile z punktu widzenia polskiej gospodarki nie możemy mówić o wystąpieniu jakiejkolwiek recesji począwszy od 2003 roku (definiowanej jako spadek kwartalnej dynamiki wzrostu PKB poniżej 0% przez dwa kolejne kwartały), a roczna dynamika PKB w cenach stałych (dane niewyrównane sezonowo) ani razu w tym okresie nie osiągnęła ujemnego terytorium, o tyle także i nad Wisłą można mówić o okresach głębokiego spowolnienia aktywności gospodarczej. Właśnie w ten sposób będę określał głębsze spowolnienie koniunktury w Polsce na potrzeby dalszej analizy (nie możemy bowiem mówić w naszym przypadku o stricte recesji). Celem niniejszego opracowania jest zaprezentowanie modelu szacującego prawdopodobieństwo owego głębokiego spowolnienia polskiej gospodarki w horyzoncie kolejnych 12 miesięcy.

Roczna dynamika PKB Polski oraz miesięczny indeks aproksymujący tę zmienną w interwale miesięcznym, źródło: Macrobond, InsiderFX Research

Do zbudowania takiego modelu konieczne było ilościowe określenie mocnego hamownia koniunktury nad Wisłą, którego to prawdopodobieństwo szacowane jest przez tenże model ekonometryczny. Naturalnie pierwszą myślą dla takiej zmiennej jest roczna dynamika PKB w cenach stałych, niemniej problemem jest to, iż dane te dostępne są w interwale kwartalnym, co implikuje znaczne opóźnienia. Pozostając przy takiej zmiennej niemożliwe byłoby szacowanie tytułowego prawdopodobieństwa w interwale miesięcznym, co było celem. Z tego względu zdecydowałem się na zbudowanie miesięcznego wskaźnika koniunktury, który będzie aproksymował kwartalne dane o PKB. Do tego zadania posłużyłem się rocznymi dynamikami miesięcznych danych na temat sprzedaży detalicznej, produkcji przemysłowej oraz produkcji budowlano-montażowej (zmienne w cenach stałych). Próbka wzięta do estymacji to okres między latami 2003-2017, a więc 180 obserwacji (zauważyć należy, że dla lat 2003 i 2004 nie były dostępne dane na temat cen sprzedaży detalicznej, stąd w celu uzyskania dynamik w cenach stałych w tym okresie wykorzystałem indeks CPI). Z opisanych trzech zmiennych zbudowałem trzymiesięczną średnią ważoną, gdzie wagami były oszacowania współczynników funkcji maksymalizującej współczynnik korelacji między tą średnią, a roczną dynamiką PKB. Osiągnięty współczynnik korelacji między obiema seriami wyniósł 93%, zaś największą wagę przypisano produkcji przemysłowej, następnie sprzedaży detalicznej i kolejno produkcji budowlano-montażowej. W celu zdefiniowania głębokiego spowolnienia przyjąłem, iż zdarzenie to występuje w miesiącach, gdy roczna dynamika trzymiesięcznej średniej ważonej wskaźnika spada poniżej 0%. W badanym okresie takich miesięcy było 24.

Kolejną czynnością była znalezienie odpowiedniej ilości zmiennych objaśniających, które w badanym okresie dobrze sprawdzały się w tej roli. Pod uwagę wzięte zostały zarówno zmienne pochodzące ze sfery realnej, jak i wskaźniki koniunktury oraz zmienne z rynków finansowych. Ostatecznie model skonstruowany został z 10 zmiennych objaśniających, z czego jedna zmienna dotyczy nastrojów w sektorze budowlanym, dwie zmienne skupiają się na zmianach zachodzących w wybranych segmentach rynku finansowego, zaś pozostałe siedem zmiennych to dane ze sfery realnej gospodarki. Do zbudowania tytułowego narzędzia posłużył binarny model logitowy. Finalna jego wersja z powodzeniem przeszła test jakości dopasowania modelu do danych empirycznych (test Hosmera-Lemeshowa), a także test badający występowanie autokorelacji w szeregu kwadratów wystandaryzowanych wartości rezydualnych. Poza tym warto nadmienić, że zmienne wykorzystane w modelowaniu zostały poddane licznym przekształceniom głównie w celu wygładzenia miesięcznych odczytów.

Model prawdopodobieństwa głębokiego spowolnienia polskiej gospodarki, źródło: Bloomberg, InsiderFX Research

Zaprezentowana grafika obrazuje roczną dynamikę PKB, prawdopodobieństwo wystąpienia głębokiego spowolnienia w gospodarce (PROB, vide wyjaśnienie definicji powyżej) oraz zacienione obszary, które odpowiadają miesiącom, kiedy roczna dynamika miesięcznego Proxy PKB spada poniżej 0% (dla zwięzłości w prezentacji danych na wykresie seria ta opatrzona została podpisem „Recesja*”). Pomimo faktu, że model bazuje na zmiennych uśrednionych, zdarzają się miesiące gwałtownych fluktuacji wartości prawdopodobieństwa. W przypadku trzech okresów, gdzie roczna dynamika zdefiniowanej średniej ważonej spadała poniżej 0%, wartość prawdopodobieństwa za każdym razem przekraczała 90% (lata 2005, 2008/2009, 2012/2013), z kolei spowolnienie z końca 2017 roku poprzedzone było wartością prawdopodobieństwa przekraczającą 70%. Od tego czasu prawdopodobieństwo głębokiego spowolnienia przewyższyło 80% w październiku 2018 i pozostało relatywnie wysoko aż do końca minionego roku. Implikuje to, iż do końca 2019 roku roczna dynamika tak zdefiniowanej średniej ważonej może osiągnąć lub nawet spaść poniżej 0%.

Polacy pracują coraz bardziej efektywnie

We wrześniu tego roku prawdopodobieństwo to wystrzeliło ponownie w okolicę 90%, co sugeruje kolejne 12 miesięcy z wysokim prawdopodobieństwem materializacji scenariusza głębokiego spowolnienia gospodarczego. Październik przyniósł kolejny wzrost już w pobliże 100%. Dla przykładu roczna dynamika zdefiniowanej średniej ważonej w ostatnim kwartale 2018 wyniosła około 7,8%, zaś wartość październikowa wyniosła już tylko 3,1%. Na koniec wskazać należy również na fakt, że spadek skonstruowanego przeze mnie Proxy PKB poniżej 0% oznaczał mocne hamowanie faktycznej dynamiki wzrostu gospodarczego. W latach 2005 oraz 2008/2009 zarejestrowano spadek dynamiki wzrostu PKB w rejon 2% r/r, a w okresie 2012/2013 doświadczyliśmy głębokiego hamowania w pobliże 0% r/r. Rok 2016 był bardziej łaskawy, ale i Proxy PKB nie był w tym okresie trwale poniżej 0%, w konsekwencji wzrost realnego PKB zwolnił do nieco poniżej 3% r/r. W mojej opinii są to pewnego rodzaju przesłanki by sądzić, iż przyszłoroczna dynamika wzrostu realnego PKB znajdzie się w przedziale 2-3%. To z kolei będzie indukowało domykanie się dodatniej luki popytowej i obniżenie się presji inflacyjnych.